2023年6月26日
By Amnon Cohen Tidhar Cloudinary媒体技术副总裁
博客

生成式人工智能在视觉媒体中的风险和回报

网络消费者对图片有着永不满足的胃口. 然而,, 直到现在, 创建和跨渠道部署这些内容既昂贵又耗时. 生成式人工智能的出现改变了这一切. 它允许各种规模的品牌最终以现代经济所要求的速度和规模创造内容. 它开辟了超越原始资产创建的新用例，可能会提供更大的即时价值. 它还带来了新的复杂性、挑战和风险. So, 有哪些方法可以开始在视觉媒体上使用生成式人工智能?品牌如何在利用回报的同时降低风险?

生成AI图像的用例

品牌有机会以几种方式使用生成式人工智能来处理图像. 第一个是显而易见的:他们可以用它从头开始创建完整的内容. 但他们也可以用它来创造, 增强, 并锐化现有内容的背景环境，以服务于各种不同的用途. 虽然每个用例都有优点和挑战, 与“从零开始”创建相关的风险和挑战明显更多.

生成完整的图像-风险和复杂

从头开始创建图像提供了以创纪录的速度创建大量内容的优势. 这通常通过文本到图像的创建过程发生:用户提供所需图像的文本描述(提示)，AI使用该上下文创建“完整”图像.

鉴于企业花费了大量的时间和百家乐软件来创建视觉内容, 很容易看到生成式人工智能为从头开始的图像创建带来的好处.

但这也有很高的风险. 创建映像时, 生成式人工智能尽其所能地想象整个场景, 但它对核心产品的设想可能并不正确, 哪一点不利于运动的成功.

更糟糕的是, 它也不能可靠地将图像与品牌指南进行交叉对照, 质量标准和组成规则, 这就引入了另一层风险. 一个完全生成的图像可以很好地用作背景，但它很少是展示主要产品的正确方式.

加速定制-安全和可扩展

在图像的背景合成中使用生成式人工智能是一个风险小得多的用例，对大多数品牌来说也是一个更容易接受的用例. 在这个用例中，品牌可以采用现有的图像并使用生成式人工智能来增强它.

例如，它可以用来:

生成新的内容，除了已经存在的框架之外，还不存在. 这被称为外涂. 想象一下，在人像模式下编辑一张用手机拍摄的照片，需要横向查看以适应屏幕布局. 传统的答案是根据中心点进行裁剪, 降低分辨率, 冒着切除一些重要部分的风险. 生成式人工智能, 品牌可以产生新的, 上下文一致的内容，以无缝地填充原始资产中未捕获的空间. 这里有一个外涂的例子之前和后.
绘制一个新的背景, 如果产品是在需要修改的次等环境中拍摄的，那么哪个特别有用, 或者在纯白色的背景上添加颜色或细节.
删除和替换不需要的像素 用新的像素组成一个更引人注目或相关的场景-这个过程称为绘画. 这是一个绘画的例子之前和后.

这些都比使用生成式人工智能从头开始创建整个图像的风险要小得多，因为它们保持了核心产品/主题的完整性，并使用工具填充次要元素.

不幸的是, 在这一点上，我们不能相信人工智能能够基于文本描述创建一个完整的产品图像. 但, 品牌可以使用人工智能来获取产品图像，并通过生成新的背景将其放置在不同的场景中. 这种方式, 品牌可以保持物体的精确表现，同时轻松地创建多个版本的背景，这将是困难的, 甚至不可能, 来创建其他的东西.

生成式AI仍然需要人类的介入

重要的是要记住，无论品牌如何选择使用生成式人工智能来处理图像, 创造独一无二的, 品牌上的视觉资产仍然需要人工审查, 编辑, 并在创建后优化每个资产. 资产需要被压缩, 裁剪, 调整大小, 并对其进行格式化，使其适合每个用户的查看上下文. 这限制了使用生成AI的速度增益, 除非其他支持人工智能的自动化工具作为工作流程的一部分包含在内.

品牌应该考虑将优化工具整合到生成式AI工作流中，这将有助于释放开发人员的时间并自动执行任务，否则会耗尽他们的宝贵时间并使他们陷入困境.